Research KB 登录
PPR-2506.06664 Generalized Trajectory Scoring for End-to-end Multimodal PlanningGTRS：统一粗、细粒度轨迹评估的端到端多模规划框架——扩散生成器产出细粒度候选 + 词表泛化技术让打分器在超稠密轨迹集上训练，兼得静态词表的粗离散覆盖与动态候选的精细适应；被 DA-WAM 与 CLOVER 引用。 Paper extracted n/a
FRM-2512.07745 DiffusionDriveV2 五层重建（骨架）：核心对象是把去噪链视为 MDP 后用 RL 约束/探索的截断扩散生成器——锚内 GRPO 做组内优势、锚间截断 GRPO 负优势归零且碰撞罚一、尺度自适应乘性探索噪声；公理层含『IL 只监督单一正模式致负模式无约束』与『不同意图的锚不应直接比较优劣』；论证主干是多样性-质量权衡的对照与消融。 Formalization
FRM-2608.19085 DA-WAM 五层重建（骨架）：核心对象是候选特定的动作条件未来潜（每候选一个、不共享）与未来潜条件的因子化打分器；公理层含『世界模型的规划价值受其预测影响候选级打分的直接程度约束』与离线日志只记录专家执行未来；论证主干是同一骨干下的匹配消融（无未来预测／共享全局未来／当前潜／动作条件未来，± 安全关键难负例）隔离预测-行动耦合。 Formalization
FRM-2412.01718 HUGSIM 五层重建（骨架）：核心对象是基于 3D 高斯泼溅的重建式照片级闭环仿真器——分解式场景表示（地面多平面约束 + 单轮车正则的动态车 + 3DRealCar 非原生车）、LQR 与运动学自行车模型的闭环、IDM 正常与攻击代价搜索的激进 actor，以及 HD-Score（NC/DAC 门控 × TTC/COM 加权，再乘路线完成度 R_c）；公理层含『评估需闭环』『闭环视觉评测需照片级渲染』与『闭环中 EP 不适用』。 Formalization
PPR-2412.01718 HUGSIM: A Real-Time, Photo-Realistic and Closed-Loop Simulator for Autonomous Driving基于 3D 高斯泼溅的闭环照片级实时仿真器：把动态场景建成含外观/语义/流/深度的多模 3DGS（单轮车轨迹正则 + 多平面地面模型 + 非原生车辆），用 LQR 闭环控制、IDM 与攻击代价轨迹搜索生成正常/攻击型交通；跨 KITTI-360/Waymo/nuScenes/PandaSet 70+ 场景 400+ 难度分级场景，提出 HD-Score（NC/DAC/TTC/COM/路线完成）。 Paper extracted n/a
FRM-2603.24581 Latent-WAM 五层重建（骨架）：核心对象是空间感知压缩世界编码器（可学习 scene query 压缩多视角图像 + 几何基础模型蒸馏）与动态潜世界模型（因果 Transformer 自回归预测未来世界状态，3D-RoPE + teacher forcing mask + ego 状态监督）；公理层含『世界状态须轻量以支撑长时程转移』与『推理只需 SCWE + 轨迹解码器』；论证为对既有世界模型三缺陷（压缩不足/空间理解缺/历史动态利用不足）的逐项回应。 Formalization
PPR-2603.24581 Latent-WAM: Latent World Action Modeling for End-to-End Autonomous Driving面向数据与算力受限的潜在世界模型规划器：空间感知压缩世界编码器（SCWE）从几何基础模型蒸馏知识并用可学习 query 压成紧凑场景 token；动态潜世界模型（DLWM）用因果 Transformer 以历史视觉与运动表示为条件自回归预测未来世界状态；NAVSIM v2 EPDMS 89.3、HUGSIM HD-Score 28.9，104M 参数。 Paper extracted n/a
FRM-2605.15120 CLOVER 五层重建（骨架）：核心对象是生成器-打分器框架下的两阶段训练——Stage 1 用评估器过滤的伪专家做集合级覆盖监督，Stage 2 用评估器子分数做保守闭环自蒸馏（打分器拟合真实子分数、生成器向教师 top-k 与向量 Pareto 集合蒸馏加稳定性正则）；含一条作者命题（选中集合富集 → 高质量支撑提升）；公理层含训练-评估错配与『直接最大化学习标量分会利用打分器错误』。 Formalization
PPR-2605.15120 CLOVER: Closed-Loop Value Estimation and Ranking for End-to-End Autonomous Driving Planning生成器-打分器框架：生成器产出多模候选，轨迹级打分器预测规划指标子分数用于推理时排序；用评估器过滤的伪专家轨迹 + 集合级覆盖监督扩候选支撑，再做保守闭环自蒸馏（打分器拟合真实评估器子分数、生成器向教师挑选的 top-k 与向量 Pareto 目标精化）；NAVSIM 94.5 PDMS / 90.4 EPDMS，NavHard 48.3 EPDMS。 Paper extracted n/a
PPR-2512.07745 DiffusionDriveV2: Reinforcement Learning-Constrained Truncated Diffusion Modeling in End-to-End Autonomous Driving用强化学习约束与探索截断扩散：尺度自适应乘性噪声拓宽探索；锚内 GRPO 在单一锚内做组优势估计、锚间截断 GRPO 提供跨锚全局视角，避免不同驾驶意图（左转 vs 直行）间不当优势比较导致的进一步模式坍缩；NAVSIM v1 PDMS 91.2、v2 EPDMS 85.5（ResNet-34）。 Paper extracted n/a